上个月底，一位特斯拉车主分享了一段令人震惊的行车记录仪录像，显示他的 Model 3 以高速 撞上并穿过了一只鹿。据车主称，当时汽车正处于 特斯拉的驾驶辅助“完全自动驾驶”（FSD）模式，但从未检测到站在路中间的鹿，也没有刹车或进行规避。就在几个月前，领先的自动驾驶公司 Waymo 的一辆汽车 据报道撞死了一只宠物狗，该公司称这是一起“不可避免的事故”。据有关这些事件的报道，两种无人驾驶汽车都没有及时发现路上的动物以避免碰撞。
视频在出现敏感画面之前就被切断了。可以安全观看。 pic.twitter.com/FaXD6Gr68S
— Paul S (@TheSeekerOf42) 2024 年 10 月 28 日
这些引人注目的“边缘案例”会迅速引起关注，并触及人们对自动驾驶汽车安全深层潜在的焦虑。在 2022 年皮尤研究中心 对美国成年人进行的调查 中，不到四分之一的人表示非常愿意与无人驾驶汽车共享道路。到目前为止，这些例子仍然很少见，但随着越来越多的城市允许自动驾驶汽车在公共道路上行驶，它们可能会变得更加普遍。与此同时，了解这些汽车能“看到”什么，不能“看到”什么，就变得很重要。自动驾驶汽车制造商正在通过多种方式改进对潜在危险的检测。目前，行业的大多数力量正朝着一种方法聚集，即将多种传感器和摄像头与 预测性人工智能模型 相结合。支持者表示，这些系统共同创建车辆周围的 3D 地图，能够以“超人”般的能力检测潜在危险。尽管这些模型可能比人类更能检测到危险，但它们仍然不完美。
摄像头、雷达和 LiDAR：无人驾驶汽车的眼睛和耳朵
“无人驾驶”和“自动驾驶”这两个术语通常更具描述性而非科学性——该领域的工程师和研究人员更喜欢“自动驾驶汽车”这个术语。 汽车工程师学会（SAE）制定了从 0 到 5 的多个自动驾驶级别。特斯拉虽然令人困惑地拥有“Autopilot”和“Full Self Driving”功能，可以自动执行刹车和车道控制等驾驶部分操作，但技术上仍要求人类驾驶员将手放在方向盘上，眼睛注视着道路。旧金山大学教授、自动驾驶汽车专家 William Riggs 告诉《大众科学》，这介于 2 级和 3 级之间，实际上应该称为“高级驾驶辅助”。更先进的自动驾驶系统，如 Waymo 或 亚马逊旗下的 Zoox 提供的系统，则属于另一个档次。Riggs 将 Waymo 和特斯拉之间的差距描述为“天壤之别”。这些技术上的区别在决定特定车辆能看到什么以及可以信任到什么程度方面起着关键作用。
无人驾驶汽车需要能够以接近或超越普通人类驾驶员的准确度来识别道路和周围世界中的物体。为此，大多数主要制造商依赖于车辆周围的各种不同传感器，通常是摄像头、雷达和 LiDAR，它们协同工作，这是 Riggs 称之为“传感器融合”的概念。这些传感器组合用于检测汽车周围以及正前方的一切。换句话说，它们就是汽车的眼睛和耳朵。
Riggs 指出：“其复杂性真正体现在将众多传感器连接到中央计算机或通用处理单元。”
对于更先进的无人驾驶汽车系统来说，这个过程实际上在自动驾驶汽车在无人驾驶情况下行驶在路上之前很久就开始了。例如，Waymo 和 Zoox 会让人类驾驶员收集现实世界数据，并绘制出他们计划部署无人驾驶汽车的道路地图。这个过程会产生详细丰富的 3D 数字地图，其中包含车道线、停车标志和人行横道等重要标记。（如果你见过 Waymo 和 Zoox 车辆在街区里行驶，并且有人在驾驶，那很可能他们正在绘制该区域的地图。）这项工作永无止境。汽车 不断绘制路线图，以寻找因施工或其他环境因素可能发生的变化。
[ 相关：特斯拉招聘人类“远程操作员”协助“自动驾驶”机器人出租车服务]
但地图绘制只能做到这一点。一旦车辆准备好上路，“眼睛”就来自于分布在车辆周围的各种 RGB 摄像头。以 Waymo 车辆为例，它就有 29 个摄像头。所有这些数字眼睛协同工作，创造出车辆周围世界的 360 度全景视图。这也有缺点。摄像头视觉在判断距离方面可能存在困难，有时会使物体看起来比实际更近或更远。在恶劣天气下，它们的表现可能不佳。
这就是雷达的作用。简而言之，雷达的工作原理是通过向其他物体发送脉冲无线电波。一旦脉冲击中物体，它们会返回传感器，并显示有关其他物体的信息，尤其是它们与车辆的速度和距离。许多无人驾驶汽车系统利用雷达帮助车辆安全地判断与运动中其他车辆的距离并进行导航。虽然它可以帮助确定速度和位置，但雷达的精度不足以判断道路上的物体是旧轮胎还是活体动物。
如果你见过带有看起来很奇怪的旋转顶部的无人驾驶车辆，那就是 LiDAR，或称激光雷达（Light Detection and Ranging）传感器。LiDAR 系统向车辆周围的各个方向发送数百万次激光脉冲，然后测量这些激光返回车辆的速度，并利用这些信息创建令人印象深刻的精确的车辆周围环境 3D 地图。这张由光脉冲组成的数字图像可以检测到行人、骑自行车者和其他车辆的存在。它还可以检测地形变化，这对于汽车规避坑洼或其他危险可能很有用。所有这一切都几乎瞬时发生。LiDAR 曾经成本高昂，以至于一些科技公司难以大规模实施，但近年来这些成本已 呈下降趋势。
伊利诺伊大学厄巴纳-香槟分校电气与计算机工程教授、自动驾驶安全专家 Sayan Mitra 告诉《大众科学》，自动驾驶汽车随后会利用其传感器组合来创建周围环境的“数字表示”。Mitra 和其他工程师称之为“感知模块”的软件，将包括车辆自身车道以及周围车道的车辆的位置、方向和速度。这些模块还使用深度神经网络（DNN）来尝试实时识别任何物体的确切身份，无论是行人还是倒下的树。
这种摄像头、雷达和 LiDAR 的组合虽然越来越普遍，但并非唯一的解决方案。特斯拉多年前就明确放弃了 FSD 系统中的雷达，现在只使用摄像头视觉。首席执行官埃隆·马斯克 曾批评 LiDAR 是“拐杖”和“徒劳无功”。 尽管 Riggs 和 Mitra 都表示，特斯拉或其他汽车制造商有可能有一天会找到仅依靠摄像头视觉实现完全自主的方法，但目前该方法缺乏 LiDAR 所能实现的精度。
Riggs 说：“LiDAR 会告诉你那个物体在空间中移动的速度有多快。”“它不会像特斯拉在使用 FSD 时那样通过摄像头来估算。”
当事情出错时会发生什么？
所有这些无人驾驶系统都“应该”这样工作，但实际上它们并不完美。在最近特斯拉撞上鹿的事件中，Mitra 说错误可能源于车辆的感知模块未能可靠地检测到摄像头图像中的鹿。相对较小的灰色鹿与相似的灰色路面融为一体，并且与道路线对齐，很可能导致图像“特征贫乏”。Mitra 和 Riggs 都表示，特斯拉的深度神经网络（DNN）可能没有充分训练过来自那个角度或位置的鹿的图像。
Riggs 说：“如果软件从未遇到过鹿，也不知道什么是鹿，但也没有真正知道鹿奔跑的确切距离或确切速度，那么我一点也不惊讶（汽车）会撞上它。”“这是系统能够摄取的信息类型的产物。”
工程师和研究人员将这种潜在的意外或训练不足的情况称为“边缘案例”。这些情况的范围可以从相当平凡（Riggs 讲了一个四级车辆未能识别拖车挂在卡车后面的例子）到危及生命。后者发生在去年旧金山，一名行人被一辆在相邻车道行驶的 Cruise 机器人出租车 撞倒并甩到其下方。据报道，出现了 数项技术错误，导致汽车未能看到该女子。她随后被拖行了 20 英尺。在这种情况下，Riggs 说自动驾驶汽车制造商根本没有考虑到在车辆下方安装摄像头或传感器来查看行人。
Riggs 说：“车辆下方没有摄像头，工程师也看不到有人在那里。”“这确实是没人想过的事情。”
无人驾驶汽车如何处理棘手的选择
看到和检测道路上的障碍物只是战斗的一半。一旦检测到，车辆就需要知道如何响应。在大多数情况下，这意味着踩刹车或转向以避免碰撞。但这并不一定总是最好的做法。如果无人驾驶汽车在每次检测到路径中的小树枝、灌木或雪堆时都要停下来或进行紧急规避，它可能走不了多远。车载人工智能模型需要确保前方的物体确实是树枝，而不是一只小狗。
在其他情况下，突然刹车以避免碰撞也可能造成更大的伤害。Mitra 举了一个例子：一辆卡车在繁忙的高速公路上掉落了一个小马驹的冷却器，后面跟着自动驾驶车辆，还有一辆车在尾随这辆自动驾驶汽车。Mitra 指出，如果无人驾驶汽车为了避开冷却器而急刹车，那么它可能会被后面的车辆追尾，从而引发潜在的连环事故。
Mitra 说：“这不仅仅是关于避开障碍物。”“这种乘客安全、他人安全、速度、损坏和舒适性之间的权衡出现在许多其他场景中。”
Mitra 接着表示，他认为“迫切需要”提高透明度，并就无人驾驶汽车的高级目标应该是什么展开公开对话。
过去，记者和一些研究人员将这些权衡与哲学中著名的“电车难题”进行比较。这个著名的功利主义思想实验最早出现在 1967 年，围绕着电车司机是否应该主动选择杀死一个人以防止对更大群体造成更大的伤害。Riggs 说，尽管在理解自动驾驶汽车如何在危险情况下做出反应时，人们很想套用同样的思维方式，但这种比较是不恰当的。自动驾驶汽车接收大量数据并实时做出反应，实际上是在处理“一系列概率选择集”。这与任何单一工程师做出的编程决定有着根本的区别。
[ 相关：通用汽车将免提驾驶带到美国农村 ]
Riggs 说：“车辆在任何情况下都不会做出伦理决定。”“自动驾驶汽车的设计宗旨就是规避碰撞，并以对车辆来说概率上最佳的路径来做到这一点。”
即使考虑到这些边缘案例，Riggs 仍然看好未来会有更多无人驾驶汽车上路。与人类不同，自动驾驶汽车不会 tempted 超速、闯红灯或在驾驶时发送短信。这些自动驾驶员也不会分心，也不应该违反法律。他认为，所有这些因素加在一起，意味着自动驾驶汽车可能比人类更安全。来自中佛罗里达大学的初步研究将自动驾驶汽车和人类驾驶员的事故率进行了比较，结果似乎显示，在常规情况下，无人驾驶车辆的驾驶更安全。Mitra 表示，随着该技术更广泛地推广，将需要更多关于自动驾驶软件安全的同行评审研究，以维持公众的信任。
Riggs 说：“我们越能减少人类在驾驶决策中的参与，就越能接近零交通事故。”“阻止人们死亡是一件好事。”
这篇文章是《Popular Science》“问我们什么”系列的一部分，我们在此解答你最离奇、最烧脑的问题，从普通的到异想天开的。 有什么一直想知道的吗？问我们吧。
